实战三十一：基于LightGCN推荐算法的推荐系统详细教程（代码+数据）

实战三十一：基于LightGCN推荐算法的推荐系统详细教程（代码+数据）
- 推荐系统任务描述：通过用户的历史行为（比如浏览记录、购买记录等等）构造出用户-项目交互图，协同过滤利用过去的用户-项目交互来实现预测；对相似的用户进行推荐相同喜好的item，帮助他们发现可能感兴趣的却不容易发现的item；同时将埋没在长尾中的好商品推荐给可能感兴趣的用户。
- LightGCN推荐方法概述：首先，基于NGCF模型，NGCF模型利用了GCN的思想，遵循同样的传播规则来细化嵌入：特征转换、邻域聚集和非线性激活。但是其中许多操作都是直接从GCN没有任何理由继承而来的，增加了模型的复杂度。LightGCN模型只包含了GCN中最基本的组成部分-邻域聚合-用于协同过滤。首先从原始数据之中进行数据处理、数据集构建、划分等；然后基于pytorch构建LightGCN模型；然后进行模型的训练、模型评价、保存等等。详细内容在后边会有说明。
2.准备工作
- 运行环境：
```
  torch==1.4.0
  pandas==0.24.2
  scipy==1.3.0
  numpy==1.16.4
  tensorboardX==1.8
  scikit-learn==0.23.2
  tqdm==4.48.2
```
- 可以使用pip命令安装上述模块并制定版本：pip install torch==1.4.0 pandas==0.24.2
相关阅读:
Azure DevOps构建CICD流水线
 Investigating Forgetting in Pre-Trained Representations Through Continual Learning
独立站品牌出海盛行，大批卖家转型逐利
 杂记:数据库go,begin,end,for,after,instead of
2024-2-22 作业
 第三章图标辅助元素的定制
 外贸网站被谷歌收录的方法
 ArcGIS JS 地图内外网环境判断问题
 （五）激光线扫描-位移台标定
 windows安装cuda 11.8以及tensorflow-gpu 2.6
原文地址：https://blog.csdn.net/weixin_55771290/article/details/128198690

2.准备工作